检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

单通道语音增强算法的研究与应用

单通道语音增强算法的研究与应用

作者：芦靖西安电子科技大学

学位级别：硕士

语音增强的目的是从带噪语音信号中尽可能提取纯净语音来改善语音的自然度和可懂度。它是一种有效解决噪声污染、提高信噪比的重要手段,近年来在语音通信及语音识别等方面得到了应用。本文讨论了语音信号和噪声信号的特点,分析了语音活... 详细信息

语音增强的目的是从带噪语音信号中尽可能提取纯净语音来改善语音的自然度和可懂度。它是一种有效解决噪声污染、提高信噪比的重要手段,近年来在语音通信及语音识别等方面得到了应用。本文讨论了语音信号和噪声信号的特点,分析了语音活性检测技术和噪声估计算法,研究了在不同噪声环境下适用的多种语音增强算法。基于以上讨论,本文提出一种结合自适应滤波的基于听觉掩蔽效应的单通道语音增强算法,并结合一种能够快速跟踪噪声变化的噪声估计算法,设计了一种新的语音增强系统。实验表明,本文设计的增强系统具有以下优点:(1)可以快速跟踪噪声谱的变化,能够准确估计噪声参数;(2)算法复杂度较小,实时性好;(3)可以在时变信道和低信噪比条件下取得良好的增强效果;(4)去除噪声效果明显,能够掩蔽音乐噪声,兼顾语音可懂度和自然度。本文设计的单通道语音增强系统已经应用到对短波电台的语音降噪中。

关键词：单通道语音增强噪声消除噪声谱估计听觉掩蔽效应

基于临界频带的交互性双支路单通道语音增强模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

数据采集与处理 2023年第2期38卷 262-273页

作者：叶中付赵紫微于润祥中国科学技术大学电子工程与信息科学系合肥230022 语音及语言信息处理国家工程研究中心合肥230022

针对目前主流的双支路单通道语音增强方法只关注全频带信息而忽略子频带信息这一问题,设计了一种基于人耳临界频带的交互性双支路模型。主要做法为,在复数谱支路上实施模拟人耳临界频带的划分方法对信号进行分频带处理,提取子带信息;在... 详细信息

针对目前主流的双支路单通道语音增强方法只关注全频带信息而忽略子频带信息这一问题,设计了一种基于人耳临界频带的交互性双支路模型。主要做法为,在复数谱支路上实施模拟人耳临界频带的划分方法对信号进行分频带处理,提取子带信息;在幅度补偿支路上直接对信号的全频带进行处理,提取全频带信息。复数谱支路负责初步恢复干净语音的幅度和相位,同时,该支路上学到的子带中间特征会被特定的模块传递给幅度补偿支路进行补偿;幅度补偿支路上的输出会对复数谱支路上输出的幅度做进一步的补偿,达到恢复干净语音频谱的目的。实验结果表明,提出的模型在恢复语音质量和可懂度方面优于其他先进的单通道语音增强模型。

关键词：临界频带交互性子带双支路单通道语音增强

在线全文

学校读者我要写书评

暂无评论

基于多维注意力机制的单通道语音增强方法

南京大学学报（自然科学版） 2023年第4期59卷 669-679页

作者：姚瑶杨吉斌张雄伟陈乐乐范君怡陆军工程大学指挥控制工程学院南京210007 中国科学院声学研究所东海研究站上海201815

基于深度学习的单通道语音增强技术能有效改善语音增强的质量,但在低信噪比环境下,语音增强的效果不能令人满意.为了改善低信噪比下单通道语音增强的质量,提出一种多维注意力机制(Multi-Dimensional Attention Mechanism,MDAM),通过将... 详细信息

基于深度学习的单通道语音增强技术能有效改善语音增强的质量,但在低信噪比环境下,语音增强的效果不能令人满意.为了改善低信噪比下单通道语音增强的质量,提出一种多维注意力机制(Multi-Dimensional Attention Mechanism,MDAM),通过将通道注意力和全局、局部时间注意力进行级联,充分挖掘深度神经网络各通道间语音特征的长短时相关性.在此基础上,设计了基于多维注意力机制的时域语音增强网络MDAM-Net,采用跳跃连接的编解码结构获取深层语音特征,并采用MDAM充分关注干净语音特征在网络通道间、时间方向上全局与局部范围的变化差异,可以更好地建模语音特征的上下文联系.仿真实验的结果表明,在保持较低模型参数量条件下,MDAM-Net在VoiceBank-DEMAND公开数据集上增强语音的PESQ(Perceptual Evaluation of Speech Quality)评分可以达到3.25.在低信噪比条件下,增强语音质量显著优于已有的单通道语音增强模型.

关键词：单通道语音增强多维注意力通道注意力 Transformer

在线全文

学校读者我要写书评

暂无评论

基于并行卷积循环网络的单通道语音增强系统

计算机工程与设计 2023年第4期44卷 1181-1188页

作者：李鑫元黄鹤鸣青海师范大学计算机学院青海西宁810008 青海师范大学藏语智能信息处理及应用国家重点实验室青海西宁810008

为提升语音增强系统的收敛速度和泛化性,降低对训练数据的要求,提出一种基于并行卷积循环网络的语音增强系统。在卷积循环网络的基础上,使用归一化门控线性单元提升性能和收敛速度;使用并行循环层结构同时处理原始语音特征和经过编码器... 详细信息

为提升语音增强系统的收敛速度和泛化性,降低对训练数据的要求,提出一种基于并行卷积循环网络的语音增强系统。在卷积循环网络的基础上,使用归一化门控线性单元提升性能和收敛速度;使用并行循环层结构同时处理原始语音特征和经过编码器处理后的语音特征,通过后处理模块处理并行结构的输出。在THCHS30和LibriSpeech语音库及NOISEX92和PNL100 NS噪声库上的实验结果表明,与多个目前最先进的语音增强系统相比,该方法获得了最高36.92%的性能提升和62.36%的收敛速度提升。

关键词：语音增强单通道语音增强深度学习卷积循环网络并行网络门控线性单元低资源训练

基于字典学习和稀疏表示的单通道语音增强算法综述

在线全文

学校读者我要写书评

暂无评论

应用声学 2019年第4期38卷 645-652页

作者：叶中付朱媛媛贾翔宇中国科学技术大学信息科学技术学院

如何从带噪语音信号中恢复出干净的语音信号一直都是信号处理领域的热点问题。近年来研究者相继提出了一些基于字典学习和稀疏表示的单通道语音增强算法,这些算法利用语音信号在时频域上的稀疏特性,通过学习训练数据样本的结构特征和规... 详细信息

如何从带噪语音信号中恢复出干净的语音信号一直都是信号处理领域的热点问题。近年来研究者相继提出了一些基于字典学习和稀疏表示的单通道语音增强算法,这些算法利用语音信号在时频域上的稀疏特性,通过学习训练数据样本的结构特征和规律来构造相应的字典,再对带噪语音信号进行投影以估计出干净语音信号。针对训练样本与测试数据不匹配的情况,有监督类的非负矩阵分解方法与基于统计模型的传统语音增强方法相结合,在增强阶段对语音字典和噪声字典进行更新,从而估计出干净语音信号。该文首先介绍了单通道情况下语音增强的信号模型,然后对 4种典型的增强方法进行了阐述,最后对未来可能的研究热点进行了展望。

关键词：单通道语音增强稀疏表示字典学习

在线全文

学校读者我要写书评

暂无评论

改进NMF单通道语音增强算法

机械设计与制造 2019年第1期 268-271页

作者：张星阿拉善职业技术学院内蒙古阿拉善盟750306

针对语音与噪声在频带内存在高度重叠而使传统方法性能下降的问题,提出了一种单麦克风信道的改进NMF语音增强算法,算法在传统非负矩阵分解方法计算的用于增强的语音和噪声的基矩阵基础上,通过对数谱估计方法对时频谱图中的语音存在概率... 详细信息

针对语音与噪声在频带内存在高度重叠而使传统方法性能下降的问题,提出了一种单麦克风信道的改进NMF语音增强算法,算法在传统非负矩阵分解方法计算的用于增强的语音和噪声的基矩阵基础上,通过对数谱估计方法对时频谱图中的语音存在概率进行估计,以此对NMF识别基进行自适应补偿,从而提高识别基语音增强性能,然后通过残差消除进一步提高语音质量,实验结果表明,与传统的基于单通道的NMF方法相比,文中算法获得了更好的语音增强性能。

关键词：单通道语音增强语音存在概率非负矩阵分解对数谱估计无监督学习

在线全文

学校读者我要写书评

暂无评论

基于深度神经网络的单通道语音增强方法研究

基于深度神经网络的单通道语音增强方法研究

作者：李鑫元青海师范大学

学位级别：硕士

语音沟通是人们活动中不可分割的重要部分,随着技术的进步,语音识别、情感识别、说话人鉴别等自动语音处理系统得到了广泛的应用,也有越来越多的人机交互设备采用语音作为主要交互方式。然而,现实生活中,各种噪声的干扰十分普遍,这会显... 详细信息

语音沟通是人们活动中不可分割的重要部分,随着技术的进步,语音识别、情感识别、说话人鉴别等自动语音处理系统得到了广泛的应用,也有越来越多的人机交互设备采用语音作为主要交互方式。然而,现实生活中,各种噪声的干扰十分普遍,这会显著降低各种语音处理系统的性能。因此,有必要研究能够减弱噪声和干扰对语音影响的语音增强系统。语音增强系统经过多年发展,已经取得了一定成果,但依然存在较多不足,例如:(1)语音增强系统的性能依然有较大提升空间;(2)多数语音增强系统对训练数据训练时间的要求较高等。这使得语音增强系统的泛用性和灵活性依然不足。为了提升语音增强系统的性能,并降低其对训练数据和训练时间的需求,本研究提出了一套新的基于深度神经网络的单通道语音增强方法,主要贡献有:(1)在基于卷积循环网络(CRN)的语音增强系统中,加入了归一化门控线性单元(NGLU)和并行结构,构建了一种新的用于语音增强的网络,称为并行卷积循环网络(PCRN)。该网络由卷积自编码器、双向门控循环单元(BGRU)、并行循环层结构和后处理模块构成。其中,卷积自编码器由NGLU堆叠而成,BGRU用于进一步对特征建模,并行循环层结构同时处理原始语音特征和经过编码器处理后的语音特征,而后处理模块则能更好地处理并行结构的输出。PCRN能更好地提取语音中的噪声无关特征,能够降低网络对训练数据的需求,同时提升收敛速度和性能。(2)通过引入时域卷积网络(TCN)模块和频域自适应注意力(FAA)模块进一步改进PCRN网络得到APCRN网络,解决了PCRN网络存在的架构不平衡和网络体积较大的问题。其中,TCN模块能够提升网络灵活性和稳定性,而FAA模块能使网络更好地学习频率上下文信息。这种改进在降低了网络的计算代价的同时进一步提升了性能。(3)为了进一步提升性能和网络训练效率,使用多阶段学习策略,将单一大尺寸网络调整为两个小尺寸的网络:首先,用预处理网络对语音进行初步降噪,再使用主网络进一步进行处理。这一结构能够提升网络的性能,同时使得网络的训练过程更加灵活。实验证明:(1)与基于CRN的语音增强系统相比,PCRN在PESQ、STOI和SNR三种评价指标上分别提高了36.92%、10.49%和5.59%,而收敛速度提高了62.36%;(2)在PCRN的基础上,APCRN的性能又有进一步的提升:在PESQ、STOI和SNR三种评价指标上分别提升了9.71%、9.16%和8.48%;(3)使用预训练的预处理网络和更小体积的主网络的APCRN-Lite依然能够取得相比PCRN和多个基线模型更好的性能。

关键词：单通道语音增强并行网络多阶段学习低资源训练

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的单通道语音增强方法研究

基于深度学习的单通道语音增强方法研究

作者：李洪丰北京林业大学

学位级别：硕士

语音增强技术的目的是通过去除音频中的非语音噪音或去除语音混响等方式提高语音听感质量和语音可懂度。语音增强在通信系统、语音识别、助听器等场景有着广泛的应用。语音增强原本属于数字信号处理研究领域的一个研究方向,但随着深度... 详细信息

语音增强技术的目的是通过去除音频中的非语音噪音或去除语音混响等方式提高语音听感质量和语音可懂度。语音增强在通信系统、语音识别、助听器等场景有着广泛的应用。语音增强原本属于数字信号处理研究领域的一个研究方向,但随着深度学习技术的发展,目前越来越多的研究开始更偏重使用深度学习方法处理语音增强任务。得益于神经网络强大的建模能力,目前基于神经网络监督学习的语音增强方法相对于传统数字信号处理的方法已经取得了压倒性的优势。虽然基于深度学习的单通道语音增强技术已经取得了很好的效果,但在本文的研究与实验中发现,现有的基于深度学习的单通道语音增强技术仍存在较大的性能提升空间。为了进一步提升基于深度学习的语音增强算法的性能,本文先后提出了更加符合人类感官的相对损失函数和基于对抗训练的μ律压缩频谱对抗生成网络。均方误差是目前最常用的语音增强监督训练目标函数,但是该目标函数衡量误差的方式并不符合人类的感官响应,为此本文通过在语音频谱误差计算中引入频谱原始数量级的方式设计了更加符合人类感官的相对损失目标函数。实验结果显示相对损失在语音听感质量、语音短时可懂度和信号失真率等语音增强客观衡量指标上都取得了优于均方误差的得分。为了进一步提升单通道语音增强的性能,本文受对抗生成网络和语音压缩算法的启发设计了用于频谱生成任务的μ律压缩频谱对抗生成网络。μ律压缩频谱对抗生成网络在判别器中引入了新设计的可训练频谱压缩层以提升判别器的判别能力,同时使用可训练的压缩层约束生成器的训练以使生成器在训练过程中更容易发掘增强频谱和纯净频谱的差异。实验结果显示μ律压缩频谱对抗生成网络在语音听感质量、语音短时可懂度等各种衡量指标上已经超越了目前很多的单通道语音增强研究工作。

关键词：单通道语音增强相对损失 μ律压缩频谱对抗生成网络深度学习数字信号处理

基于临界频带和注意力机制的单通道语音增强算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于临界频带和注意力机制的单通道语音增强算法研究

作者：赵紫微中国科学技术大学

学位级别：硕士

语音是人类与外界沟通交流的工具,在日常生活中发挥着重要的作用,然而,处于嘈杂环境中的语音通常会受到来自外界的各种噪声的干扰,降低了语音信号的清晰度和可懂度。使用语音增强技术,能够通过一定方法从被噪声破坏的语音中恢复出干净语... 详细信息

语音是人类与外界沟通交流的工具,在日常生活中发挥着重要的作用,然而,处于嘈杂环境中的语音通常会受到来自外界的各种噪声的干扰,降低了语音信号的清晰度和可懂度。使用语音增强技术,能够通过一定方法从被噪声破坏的语音中恢复出干净语音,以提高语音信号的质量,改善人耳听感。传统的基于数字信号处理的语音增强方法是早期研究者们主要的研究内容,这类方法具有完备的理论基础并且拥有可解释性,能够从平稳噪声环境中很好地恢复出干净语音,但是不适用于非平稳噪声环境。随着近几年深度学习的蓬勃发展,基于神经网络的语音增强方法已经成为了语音信号处理领域的研究热点,其能够处理复杂的非平稳噪声,在语音降噪任务上取得了比传统方法更好的效果。然而,目前大部分的基于神经网络的语音增强方法都是直接套用当下流行的神经网络结构构造语音增强模型,没有考虑人耳听觉本身的固有特性。本文将人耳听觉临界频带的划分方法运用到神经网络中,设计出符合人耳听觉特性的单通道语音增强方法,基于此,本文提出了以下两个研究点:1 一种专注于子频带信息提取的单通道语音增强网络,即带Bark注意力机制的并行子带复卷积循环网络(PSCCRN-BAM)。主要思想是通过模拟人耳的临界频带对全频带语音信号进行频率划分,每个子带采用单独的复卷积循环模块进行编码和解码,同时,提出的轻量级Bark注意力机制(BAM)能够通过生成自适应注意力权重有效地对后续子带信息的传输进行加权和校正。在PSCCRN-BAM的基础上,本文同时提出了一种非因果的带Bark注意力机制的并行子带变换网络(PSTNN-BAM),其使用能够同时进行时频上下文分析且上下文分析能力更强的ATFAT模块替换了 PSCCRN-BAM中的LSTM模块,相比于PSCCRN-BAM,PSTNN-BAM的结构更复杂,语音增强性能更好。实验结果表明,PSCCRN-BAM和PSTNN-BAM比其他先进方法取得了更好的语音增强效果。2一种将分带思想用于双分支网络模型上的新颖语音增强模型,即基于临界频带的交互性双分支单通道语音增强模型(IDBM-CFB),该模型能够一方面对复数谱分支上信号进行分带,着重学习各子带内部信息,另一方面在幅度补偿分支上构建全频带卷积循环网络,着重学习全频带信息。同时,在模型的两个分支之间,有特定的模块负责将复数谱分支上经过精减和融合后的子带信息传递给幅度补偿分支学习,以获得更优秀的模型性能。实验结果表明,IDBM-CFB能够以更少的参数量,在大部分语音评价指标上获得比其他先进方法更好的结果。

关键词：单通道语音增强神经网络临界频带双分支